Aurora : Le saut de Microsoft vers un modèle de fondation d’intelligence artificielle pour l’atmosphère terrestre

Alors que le réchauffement climatique s’intensifie, les communautés du monde entier luttent contre ses effets dévastateurs. L’augmentation sans relâche des émissions de gaz à effet de serre alimente des événements météorologiques extrêmes, des catastrophes naturelles dévastatrices et une augmentation des maladies liées au climat. Les systèmes de prévision météorologique sont notre première ligne de défense contre ces défis, mais les méthodes traditionnelles, qui reposent sur des experts humains, peinent à suivre. La destruction causée par la tempête Ciarán en 2023 a montré clairement que nous avons besoin de meilleurs modèles de prévision. Mais l’atmosphère terrestre, avec ses modèles météorologiques complexes, ses interactions chimiques et ses diverses influences, reste un défi à prévoir. Microsoft (MSFT ) a récemment fait une percée dans la résolution de ces défis. Ils ont développé un modèle d’intelligence artificielle de l’atmosphère terrestre, appelé Aurora, qui peut être utilisé pour la prévision météorologique, la surveillance de la pollution de l’air et plus encore. Cet article se penche sur ce développement, en explorant Aurora, ses applications et son impact au-delà des prévisions météorologiques.

Présentation d’Aurora

Aurora est un modèle d’intelligence artificielle révolutionnaire de l’atmosphère terrestre conçu pour relever divers défis de prévision, des événements météorologiques extrêmes à la pollution de l’air et aux prévisions météorologiques à court et moyen terme. Ce qui distingue Aurora, c’est sa formation sur plus d’un million d’heures de simulations météorologiques et climatiques diverses, lui procurant une compréhension approfondie des processus atmosphériques changeants. Cela permet à Aurora d’exceller dans les tâches de prévision, même dans les régions à données limitées ou pendant des scénarios météorologiques extrêmes.

Construit à l’aide d’un modèle de réseau neuronal artificiel appelé vision transformer, Aurora est formé pour comprendre les relations complexes qui déterminent les changements atmosphériques. En tant que modèle général, Aurora peut gérer plusieurs types d’entrées et produire diverses sorties. Il présente un modèle encodeur-décodeur basé sur une architecture de perceptron, spécifiquement conçu pour gérer les entrées et les sorties à variation temporelle.

Le processus de formation d’Aurora implique deux étapes : la préformation et la fine-tuning. Lors de la préformation, Aurora apprend à partir de divers ensembles de données avec des niveaux de détail variables, couvrant un large éventail d’aspects atmosphériques tels que les modèles météorologiques et la pression atmosphérique. Il affine ses compétences en minimisant les erreurs à travers ces différents types de données. Après la formation initiale, Aurora subit deux étapes de fine-tuning. La première étape se concentre sur l’amélioration de la capacité d’Aurora à faire des prévisions à court terme. Dans la deuxième étape, il affine encore ses compétences pour faire des prévisions à long terme précises à l’aide d’une méthode appelée Low Rank Adaptation (LoRA).

Caractéristiques clés d’Aurora

• Formation extensive : L’efficacité d’Aurora réside dans sa formation sur plus d’un million d’heures de simulations météorologiques et climatiques diverses collectées à partir de six modèles météorologiques et climatiques. Cette formation complète permet à Aurora de mieux comprendre la dynamique atmosphérique.
• Performances et efficacité : Fonctionnant à une résolution spatiale élevée de 0,1° (environ 11 km à l’équateur), Aurora capture les détails intriqués des processus atmosphériques, aboutissant à des prévisions plus précises que les systèmes traditionnels de prévision météorologique numérique, et à une fraction du coût computationnel.
• Vitesse rapide : Aurora peut générer des prévisions de pollution de l’air mondiales à 5 jours et des prévisions météorologiques à 10 jours en moins d’une minute, surpassant les outils de simulation traditionnels et les meilleurs modèles d’apprentissage automatique spécialisés.
• Capacité multimodale : Aurora est un modèle d’intelligence artificielle multimodale, capable d’ingérer et de traiter divers types de données, y compris les données météorologiques numériques, les images satellites et les simulations climatiques.
• Prévisions diversifiées : Le modèle peut prévoir une large gamme de variables atmosphériques, allant de la température et de la vitesse du vent aux niveaux de pollution de l’air et aux concentrations de gaz à effet de serre.

Applications potentielles d’Aurora

• Prévision des événements météorologiques extrêmes : Aurora excelle dans la prévision des événements météorologiques extrêmes, tels que les ouragans, les tempêtes et les vagues de chaleur. Ses capacités de résolution élevée permettent un suivi et une prévision précis de ces événements, offrant un temps de préparation et de réponse crucial aux efforts de prévention des catastrophes.
• Surveillance de la pollution de l’air : Aurora peut générer des prévisions précises de pollution de l’air mondiales à 5 jours, suivant efficacement les polluants comme le dioxyde d’azote. Cette fonctionnalité est particulièrement précieuse dans les régions densément peuplées où la qualité de l’air a un impact direct sur la santé publique.
• Analyse du changement climatique : La capacité d’Aurora à ingérer et à traiter des données climatiques diverses en fait un outil inestimable pour étudier les tendances climatiques à long terme et évaluer les impacts du changement climatique sur divers phénomènes atmosphériques.
• Planification agricole : En fournissant des prévisions météorologiques détaillées, Aurora soutient la planification et la prise de décision agricoles. Les agriculteurs peuvent optimiser les calendriers de plantation, d’irrigation et de récolte, réduisant le risque de perte de récolte due à des changements météorologiques imprévus.
• Optimisation du secteur énergétique : Les prévisions météorologiques précises d’Aurora aident à optimiser la production et la distribution d’énergie. Les sources d’énergie renouvelable, telles que l’énergie solaire et éolienne, peuvent bénéficier de prévisions précises, garantissant une récolte et une gestion de réseau efficaces.
• Protection de l’environnement : Les prévisions détaillées et le suivi de la pollution de l’air d’Aurora aident les efforts de protection de l’environnement. Les décideurs politiques et les agences environnementales peuvent utiliser ses données pour mettre en œuvre et surveiller les réglementations visant à réduire la pollution et à atténuer les impacts du changement climatique.

Aurora versus GraphCast

Aurora et GraphCast sont deux modèles de prévision météorologique éminents, chacun avec ses propres forces et capacités. GraphCast, développé par Google DeepMind, est très apprécié pour son habileté dans la prévision météorologique. Il est préformé sur l’ensemble de données ERA5 et fonctionne à une résolution de 0,25 degré, lui permettant de prévoir la météo jusqu’à cinq jours à l’avance.

D’un autre côté, Aurora se distingue par un ensemble de données de formation plus diversifié et fonctionne à une résolution plus élevée de 0,1 degré. Cela permet à Aurora de produire des prévisions météorologiques mondiales à 10 jours avec une plus grande précision. Dans une étude comparative, les chercheurs de Microsoft ont constaté qu’Aurora a surpassé GraphCast sur plus de 91 % de toutes les cibles lorsque les deux modèles ont été évalués à une résolution de 0,25 degré.

Une distinction clé entre les deux modèles réside dans leur polyvalence. Alors que GraphCast se concentre uniquement sur les prévisions météorologiques, Aurora sert de modèle de fondation capable de réaliser diverses tâches, y compris la prévision météorologique, la surveillance de la pollution de l’air et l’analyse du changement climatique. Cette polyvalence rend Aurora un outil plus complet et multifacette pour comprendre et prévoir les phénomènes atmosphériques.

En résumé

Aurora n’est pas juste un autre modèle de prévision météorologique ; c’est un saut pionnier vers la modélisation de l’ensemble du système terrestre, et non seulement de l’atmosphère. Sa capacité à performer bien avec des données limitées pourrait démocratiser l’accès à des informations météorologiques et climatiques précises, en particulier en bénéficiant aux régions à données limitées, comme les pays en développement. Aurora présente un grand potentiel pour divers secteurs, y compris l’agriculture, les transports, l’énergie et la préparation aux catastrophes, permettant aux communautés de mieux relever les défis du changement climatique. Avec les progrès continus de la technologie et de la disponibilité des données, Aurora a le potentiel de devenir essentiel dans la prévision météorologique et climatique, fournissant des informations opportunes, précises et pratiques pour les décideurs et le public à travers le monde.